基于心房活动特征和卷积神经网络的房颤检测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.2 房颤检测算法的研究现状及分析 | 第12-15页 |
| 1.2.1 基于RR间期特征的研究现状 | 第12-13页 |
| 1.2.2 基于心房活动特征的研究现状 | 第13-14页 |
| 1.2.3 房颤检测算法的研究分析 | 第14-15页 |
| 1.3 本文的章节安排及各章的主要内容 | 第15-17页 |
| 第2章 心电信号及房颤的基本知识 | 第17-24页 |
| 2.1 心电信号的基本知识 | 第17-21页 |
| 2.1.1 心电图的产生 | 第17-18页 |
| 2.1.2 心电图的波形及意义 | 第18-19页 |
| 2.1.3 标准心电数据库 | 第19-21页 |
| 2.2 房颤的产生机理及分类 | 第21-22页 |
| 2.2.1 房颤的产生机理 | 第21-22页 |
| 2.2.2 房颤的分类 | 第22页 |
| 2.3 房颤在心电图中的特征表现 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于心房活动的底层特征提取 | 第24-31页 |
| 3.1 白化 | 第24-27页 |
| 3.1.1 白化的基本原理 | 第24-25页 |
| 3.1.2 心电信号的白化处理 | 第25-27页 |
| 3.2 基于稀疏表示的心电信号稀疏系数求解 | 第27-29页 |
| 3.2.1 稀疏表示的基本原理 | 第27-28页 |
| 3.2.2 心电信号的稀疏系数求解 | 第28-29页 |
| 3.3 池化 | 第29-30页 |
| 3.3.1 池化的基本思想 | 第29页 |
| 3.3.2 心电信号的池化 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于卷积神经网络的房颤检测 | 第31-43页 |
| 4.1 深度学习理论 | 第31-32页 |
| 4.2 卷积神经网络 | 第32-36页 |
| 4.3 基于卷积神经网络的房颤检测算法 | 第36-42页 |
| 4.3.1 特征预训练阶段 | 第36-39页 |
| 4.3.2 权值微调阶段 | 第39-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 实验结果与分析 | 第43-46页 |
| 5.1 实验相关知识说明 | 第43页 |
| 5.2 实验结果及有效性验证 | 第43-45页 |
| 5.3 本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-48页 |
| 6.1 工作总结 | 第46页 |
| 6.2 工作展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间取得的科研成果 | 第53页 |
